-
公开(公告)号：CN114003121B
公开(公告)日：2023-10-31
申请号：CN202111161798.4
申请日：2021-09-30
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种数据中心服务器能效优化方法，包括以下步骤：状态采集器周期性采集系统状态信息；将提交的任务保存在任务等待队列中；对于每个该任务，任务调度器和频率控制器读取该状态采集器采集的系统状态；智能体根据读取的该系统状态制定任务调度与频率调整策略；该任务调度器根据该任务调度与频率调整策略将当前该任务分配到服务器并运行；该频率控制器根据该任务调度与频率调整策略对该服务器的频率进行调整。
-
公开(公告)号：CN113963271A
公开(公告)日：2022-01-21
申请号：CN202111239182.4
申请日：2021-10-25
Applicant: 中国科学院计算技术研究所
IPC: G06V20/13 , G06V10/764 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种用于从遥感图像中识别不透水面的模型，所述模型包括编码器、与编码器输出相连的解码器、与解码器输出相连的分类器，其中：所述编码器包括多层逐层加深的特征提取模块，用于逐层提取输入遥感图像中的包含空间信息的不透水面特征，且相邻特征提取模块之间通过池化层相连；所述解码器包括多层与编码器特征提取模块逐层对应的上采样模块，用于逐层上采样遥感图像中的不透水面特征，且相邻上采样模块之间通过反卷积层相连；其中，所述解码器中的除底层外的每一层上采样模块均配置有注意力模块，所述注意力模块用于将当前上采样模块上一层级输出的特征、与当前上采样模块同级的特征提取模块输出的包含空间信息的特征进行处理后得到的特征并输入当前上采样模块；所述分类器用于根据解码器最终的输出特征对输入遥感图像中的不透水面类别进行分类得到分类结果。
-
公开(公告)号：CN113962887A
公开(公告)日：2022-01-21
申请号：CN202111220300.7
申请日：2021-10-20
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提供一种二维冷冻电镜图像去噪模型的训练方法，所述方法包括：S1、获取原始图像数据集，从原始图像数据集中提取每个图像对应的纯噪声区域以获得纯噪声样本并组成纯噪声数据集；S2、采用步骤S1获得的纯噪声数据集训练生成式模型获得噪声生成模型，并采用训练的噪声生成模型生成多个新的纯噪声样本以扩充纯噪声数据集获得新的纯噪声数据集；S3、将新的纯噪声数据集中的纯噪声样本迁移到模拟生成的无噪声图像中以获得无噪声‑带噪声样本组成的无噪声‑带噪声数据集；S4、采用步骤S3获得的无噪声‑带噪声数据集训练卷积神经网络至收敛。
-
公开(公告)号：CN110400604B
公开(公告)日：2021-10-08
申请号：CN201910580198.8
申请日：2019-06-28
Applicant: 中国科学院计算技术研究所
IPC: G16B30/00
Abstract: 本发明涉及一种芸香科多物种的密码子使用模式分析方法，包括：通过芸香科的多个物种的基因数据，获取每个该物种的密码子序列；提取该密码子序列的第一特征值，以该第一特征值的关系验证该多个物种的进化关系；提取该密码子序列的第二特征值，以该第二特征值绘制特征关系图，以验证该多个物种的进化保守性程度；提取该密码子序列中的高频密码子/密码子对，以该高频密码子/密码子对的关系验证该多个物种的进化保守性相关度；将该密码子序列的密码子RSCU值与植物物种的密码子RSCU值进行聚类，以聚类结果验证该多个物种的所属纲目；获取该密码子序列GC3含量之间的欧式距离，以验证该多个物种的亲缘关系。
-
公开(公告)号：CN110298383B
公开(公告)日：2021-07-13
申请号：CN201910452839.1
申请日：2019-05-28
Applicant: 中国科学院计算技术研究所 , 北京腾茂盛达科技有限公司
Abstract: 本发明提出一种基于多模态深度学习的病理分类方法及系统，包括：从电子病历中提取出预先选择的属性作为结构化数据的特征表示向量，将特征表示向量平均扩增后再按照预设比例随机丢弃，丢弃的部分被替换为数字0，作为电子病历中结构化数据的病历特征向量；获取与电子病历对应的组织病理学图像，将卷积神经网络的各卷积层的特征图进行全局平均池化后拼接成一维向量，作为组织病理学图像的一种丰富的图像特征向量；将图像特征向量和病历特征向量拼接在一起，得到多模态融合向量，然后将多模态融合向量输入至全连接层，得到二值化的病理分类结果。本发明解决了单模态的特征表示来进行病理良恶性分类的准确率不高的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN110298383A
公开(公告)日：2019-10-01
申请号：CN201910452839.1
申请日：2019-05-28
Applicant: 中国科学院计算技术研究所 , 北京腾茂盛达科技有限公司
Abstract: 本发明提出一种基于多模态深度学习的病理分类方法及系统，包括：从电子病历中提取出预先选择的属性作为结构化数据的特征表示向量，将特征表示向量平均扩增后再按照预设比例随机丢弃，丢弃的部分被替换为数字0，作为电子病历中结构化数据的病历特征向量；获取与电子病历对应的组织病理学图像，将卷积神经网络的各卷积层的特征图进行全局平均池化后拼接成一维向量，作为组织病理学图像的一种丰富的图像特征向量；将图像特征向量和病历特征向量拼接在一起，得到多模态融合向量，然后将多模态融合向量输入至全连接层，得到二值化的病理分类结果。本发明解决了单模态的特征表示来进行病理良恶性分类的准确率不高的技术问题。
-
公开(公告)号：CN103824294A
公开(公告)日：2014-05-28
申请号：CN201410073170.2
申请日：2014-02-28
Applicant: 中国科学院计算技术研究所
IPC: G06T7/00
Abstract: 本发明提供一种电子断层图像序列对位方法，包括下列步骤：1）采用能够保留图像仿射变换信息的特征提取算法，从每幅电子断层投影图像中提取特征点；2）对不同电子断层投影图像的特征点进行匹配，获得多幅电子断层投影图像的特征点之间的对应关系；3）基于仿射模型，根据步骤2）所获得的多幅电子断层投影图像的特征点之间的对应关系，估计各电子断层投影图像所对应的对位参数。本发明不依赖胶体金标记，且能够提高对位准确度。
-
公开(公告)号：CN112001218B
公开(公告)日：2023-05-30
申请号：CN202010563714.9
申请日：2020-06-19
Applicant: 中国科学院计算技术研究所
IPC: G06V20/64 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/084
-
公开(公告)号：CN111126403A
公开(公告)日：2020-05-08
申请号：CN201911105440.2
申请日：2019-11-13
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于磁共振血管造影图像的脑血管分割方法和系统.发明目的是解决现有的基于统计模型的MRA图像脑血管分割方法中对细小血管的分割效果较差，血管的连续性不足的问题。针对已有模型中采用的单高斯模型来刻画脑血管灰度值分布的不足，本发明提出采用双高斯模型对脑血管组织进行建模。对MRA图像的整体灰度值分布进行拟合易产生参数漂移的问题，本发明提出细化灰度直方图的拟合区域，重点关注与脑血管分布相关的中高灰度值区域。另外，还引入了三维加权马尔科夫随机场，利用图像的局部邻域信息提高分割结果的连续性。
-
公开(公告)号：CN109740178A
公开(公告)日：2019-05-10
申请号：CN201811426169.8
申请日：2018-11-27
Applicant: 中国科学院计算技术研究所
IPC: G06F17/50
Abstract: 本发明涉及一种多租户数据中心能效优化方法、系统及联合建模方法，包括：基于边际收益递减规律，建立租户收益与租户当前使用的服务器数量之间的效益函数；基于效益函数与实际空闲服务器需求，计算服务器共享市场单价；租户基于市场单价确定实际共享服务器数量，管理者使用租户的共享服务器构建公共资源池，以对租户的负载进行迁移整合。由此，本发明可不依赖云供应商，使用多租户数据中心自身的空闲服务器实现对租户的负载进行迁移整合，以降低能耗。本发明还将服务器共享激励机制与多租户数据中心原有节能机制联合建模，提出新的近似算法以保证联合优化模型的真实性、可行性特征，并实现更大的节能成本优化。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.037 seconds)
